発明が解決しようとする課題[発明の詳細な説明]から抜粋

課題を解決するための手段[発明の詳細な説明]から抜粋

発明の効果[発明の詳細な説明]から抜粋

第１の観点によれば、第２管理点で計測された第２出側温度計測値に基づき、設定計算部での冷却水量設定値の計算に用いられる温度モデルを学習することで、次材の第２管理点の第２出側温度計測値と出側温度目標値との偏差を可及的小さくすることができる。これにより、次材の第１管理点の部分では出側温度偏差が生じるものの、第１管理点で計測された第１出側温度計測値を用いて学習する場合に比べて、圧延材先端部分の温度不良部分の長さを大幅に短くすることができる。また、第１管理点で計測された第１出側板厚計測値に基づき、設定計算部でのロールギャップ設定値の計算に用いられる変形抵抗モデル、圧延荷重モデルおよびミル伸びモデルを学習することで、次材の第１管理点の第１出側板厚計測値と出側板厚目標値との偏差を可及的小さくすることができる。従って、圧延材の先端部分に温度急変部が存在する場合でも、出側板厚不良部分を長くすることなく、出側温度不良部分を可及的に短くすることが可能となる。なお、既存のゲージメーターＡＧＣやモニターＡＧＣを更に併用することで、次材の長手方向全体に亘って出側板厚計測値を出側板厚目標値に一致させることができる。

第２の観点によれば、第１出側温度計測値と第２出側温度計測値の差に基づき出側温度予測値を学習することで、変形抵抗モデル、圧延荷重モデルおよびミル伸びモデルを学習することと相俟って、ロールギャップ設定値をより精度よく計算することができる。その結果、出側板厚計測値を出側板厚目標値により一致させることができる。

第３の観点によれば、加熱炉が複数並設されている場合に、各学習部が各加熱炉の操業に応じた最適な学習値で学習することができる。